當前，保險業(yè)的需求在朝著多樣化、個性化方向發(fā)展，和等先進的科技成為保險發(fā)展內(nèi)在要求和新的驅(qū)動力。

近年來，隨著中國經(jīng)濟的高速發(fā)展，人們的衣食住行方式都發(fā)生著重大變化，伴隨生活水平的提高，人們的需求層次也在逐漸提高，各類需求朝著個性化方向發(fā)展。在此背景下，保險的需求也在朝著多樣化、個性化方向發(fā)展，相對應(yīng)的保險行業(yè)傳統(tǒng)的產(chǎn)品驅(qū)動模式必將朝著定制化、智能化方向發(fā)展，這對保險行業(yè)而言即是機遇又是挑戰(zhàn)。

機遇主要是變革帶來了很多新的場景以及新的保險需求，挑戰(zhàn)主要是保險風險特征越來越復(fù)雜多樣，風險的傳播速度也加快。這就要求保險行業(yè)要抓住機遇，發(fā)揮經(jīng)濟“助推器”和“穩(wěn)定器”的作用。同時，又要以新思維、新技術(shù)來加強對風險的控制。

而與此同時，保險業(yè)自身也處在發(fā)展和變革的過程中，隨著“償二代”的實施，對保險公司的風險管理提出了更高的要求，而在業(yè)務(wù)發(fā)展層面，傳統(tǒng)業(yè)務(wù)中車險、壽險，大保險公司依靠規(guī)模效用來攤薄經(jīng)營成本。中小保險公司在傳統(tǒng)業(yè)務(wù)領(lǐng)域很難與大型保險公司抗衡，必須通過模式創(chuàng)新、產(chǎn)品創(chuàng)新、服務(wù)創(chuàng)新等方式走創(chuàng)新發(fā)展的道路。于是，大數(shù)據(jù)和人工智能等先進的科技成為保險發(fā)展的內(nèi)在要求和新的驅(qū)動力。

“大數(shù)據(jù)+人工智能”全面助力保險業(yè)務(wù)各個環(huán)節(jié)

在移動互聯(lián)、客戶細分、消費升級的共同作用下，和已經(jīng)成為保險公司捕捉未來成功的關(guān)鍵。從一張保單的生命周期來看，投保、核保、運營、理賠等幾個環(huán)節(jié)都與大數(shù)據(jù)和人工智能密不可分。

關(guān)于投保，隨著社會的發(fā)展、技術(shù)的進步，投保的方式越來越注重便捷和效率，網(wǎng)上的投保和支付比重越來越大。而在互聯(lián)網(wǎng)上存在大量的黑客惡意攻擊、盜卡盜刷、薅羊毛等欺詐風險，如果對這些風險不加以防范，保險公司的系統(tǒng)就有可能遭到攻擊癱瘓、客戶賬戶資金受到損失，客戶信息遭到泄露，保險公司營銷成本被一掃而空，這種情況下對保險公司的技術(shù)要求、安全要求也就越來越高。互聯(lián)網(wǎng)的黑產(chǎn)呈現(xiàn)的特點是專業(yè)化、全網(wǎng)流竄化、傳播高速化。為了防范這些黑產(chǎn)的攻擊，第一需要專業(yè)的技術(shù)工具，比如像設(shè)備指紋、IP畫像、機器行為識別；第二是建立聯(lián)防聯(lián)控的機制；第三是搭建風險模型。

其次是核保，此階段需要對投保人的不良信息進行篩查，對有過欺詐或失信行為的人加以拒保。另外可以訓練風險定價模型，對于高風險客戶通過提高保費增加欺詐或逆選擇客戶的成本。

對于運營，這個階段會存在客戶回訪的環(huán)節(jié)，如果用傳統(tǒng)的人工撥打電話的方式，成本太高，可以通過智能語音外呼的方式，根據(jù)客戶的不同情況以及不同的手機在網(wǎng)狀態(tài)選擇撥打方式及話術(shù)。

最后是理賠，這個階段涉及標的（車、房、企業(yè)、貨物等）狀況，案件所涉及的相關(guān)人員的信用狀況、經(jīng)濟狀況、行為偏好、位置軌跡、關(guān)系圖譜等方方面面的信息。單純的公司內(nèi)部數(shù)據(jù)已經(jīng)無法滿足車險反欺詐的要求，所以必須要對行業(yè)內(nèi)、外部數(shù)據(jù)做融合，結(jié)合這些數(shù)據(jù)再進行模型訓練，通過模型的方式篩查出疑似欺詐的高風險案件，再進行重點審核和調(diào)查。

大數(shù)據(jù)智能風控在多種保險業(yè)務(wù)場景的應(yīng)用

據(jù)了解，在整個互聯(lián)網(wǎng)場景里，目前意外險、健康險占有很大的比重，并且健康險還出現(xiàn)了一些爆款產(chǎn)品。但是在這些業(yè)務(wù)中，存在一部分逆選擇甚至欺詐或者道德風險，比如有些投保人，在申請單上填寫了高收入，但實際上卻相去甚遠，而且投保了高額的健康險，這就存在很大的欺詐嫌疑。對于這類行為，我們可以通過多維度不良信息篩查，在投保階段將其拒保，避免欺詐行為的發(fā)生。

當然，車險反欺詐是一個老生常談的話題，以前的小剮小蹭隨著費率改革報案量越來越少，但理賠滲漏或大額案件欺詐行為仍然是車險的一大頑疾。針對這類問題，從理賠層面可以使用復(fù)雜網(wǎng)絡(luò)的技術(shù)來做理賠反作弊分析，將案件相關(guān)人員之間的相互勾結(jié)進行篩查。另外，還可以將事后調(diào)查升級為事前防控，在核保階段就對一些高風險業(yè)務(wù)進行一些篩查，一旦發(fā)現(xiàn)這筆業(yè)務(wù)的相關(guān)人員涉嫌網(wǎng)絡(luò)欺詐、失信等行為將按照核保規(guī)則將其拒保。

在車險定價方面，在從車的因子的基礎(chǔ)上還可以增加從人、從駕駛行為、從位置軌跡的定價因子，做更加精準的定價。在車險市場回歸理性的過程中，真正差別化、精準的定價必將成為一個趨勢，大數(shù)據(jù)分析可以發(fā)揮的作用會越來越大。

隨著很多線下場景搬到線上，關(guān)于非車財涉及的場景就非常豐富了，通過數(shù)據(jù)的融合可以把現(xiàn)實投保場景和虛擬場景結(jié)合起來，對于營銷的切入點的增加以及對風險的評估的全面性和準確性都會有很大的提升。

最后是壽險，雖然當前理財型產(chǎn)品的發(fā)展受到一些控制，但這部分業(yè)務(wù)仍然處于較快發(fā)展過程中。其實，之所以要對理財型產(chǎn)品進行控制，主要也是為了讓客戶的實際需求和理財類產(chǎn)品不同的風險狀況得到更好的匹配，否則會積累大量的投資風險，對金融穩(wěn)定性造成不良影響。為此，我們對理財型產(chǎn)品的營銷需要做到精準化，而不是通過過度推銷積累風險。要進行精準化的營銷，首先要對客戶做一個多維度、全息的畫像。通過對客戶的收入狀況、行為偏好、風險偏好、風險承受能力等維度的分析，給客戶推薦更適合的壽險理財型產(chǎn)品。其次，由于壽險產(chǎn)品相對復(fù)雜，從客戶最初接觸到最終成單往往需要不斷得溝通，如何提高溝通效率并且降低成本是我們需要考慮的重要問題，在溝通方式上，可以采取智能外呼、智能投顧機器人的方式，提高效率且降低成本的同時，還能避免人工情緒化的弱點，降低服務(wù)門檻。

保險和大數(shù)據(jù)、人工智能融合關(guān)鍵在行業(yè)和數(shù)據(jù)

對于保險行業(yè)來講，從大數(shù)據(jù)和人工智能兩個方面需要關(guān)注兩個融合，首先是行業(yè)的融合，其次是數(shù)據(jù)的融合。

行業(yè)的融合具體指，怎么能把保險行業(yè)跟大數(shù)據(jù)和人工智能行業(yè)實現(xiàn)有效的融合，這里對保險公司提出了一個挑戰(zhàn)，我們怎么樣能夠利用大數(shù)據(jù)，以及人工智能的技術(shù)，來促進業(yè)務(wù)的增長。不管是從反欺詐風險防控方面，還是從精準營銷獲客方面，這對保險公司來說，在行業(yè)融合里都有很大的挑戰(zhàn)。

第一，大數(shù)據(jù)等科技型公司在保險行業(yè)做大數(shù)據(jù)和人工智能，需要對保險行業(yè)有極深的了解，即行業(yè)洞察，需要知道保險公司的發(fā)展戰(zhàn)略是什么，他們的挑戰(zhàn)是什么，他們的痛點在哪里；

第二，有了行業(yè)的洞察之后，還要有針對行業(yè)的算法，大數(shù)據(jù)分析專家需要知道用什么樣的模型算法來解決保險公司的問題；

第三是數(shù)據(jù)，這個是實施大數(shù)據(jù)和人工智能的基礎(chǔ)，有這樣的數(shù)據(jù)之后，才能有相應(yīng)的模型、算法來解決保險公司遇到的情況；

第四是團隊，實施大數(shù)據(jù)和人工智能，對團隊要求的特質(zhì)，主要是應(yīng)對前面三方面挑戰(zhàn)的能力，需要既能洞察行業(yè)及業(yè)務(wù)情況，又能利用大數(shù)據(jù)等技術(shù)手段解決行業(yè)的難點痛點的綜合型的人才。

數(shù)據(jù)融合，保險公司的數(shù)據(jù)怎么樣能夠跟大數(shù)據(jù)、人工智能的創(chuàng)業(yè)公司實現(xiàn)有效的融合，才能夠創(chuàng)造出1+1大于2，甚至大于3這樣的有效動能，來驅(qū)動保險公司業(yè)務(wù)的發(fā)展。比如，保險公司有自己體系內(nèi)大量客戶的數(shù)據(jù)，但是如果有一個新的客戶來的時候，怎么樣能夠有效地知道這個客戶的風險，怎么樣勾勒出這個用戶的畫像，來更好地實現(xiàn)銷售。比如，既有的客戶在互聯(lián)網(wǎng)里，在其他保險公司里，在互聯(lián)網(wǎng)金融里有什么樣的行為，有什么樣的特質(zhì)，多維度的畫像是怎么樣的，怎么樣對既有的客戶實現(xiàn)沉默客戶的激活，來達到我們增加保費的目的。

綜上，從整個保險行業(yè)來看有兩個融合，一是行業(yè)的融合，也就是保險公司跟大數(shù)據(jù)、人工智能創(chuàng)業(yè)公司的融合；二是數(shù)據(jù)的融合，保險公司內(nèi)部對外部的數(shù)據(jù)，以及創(chuàng)業(yè)公司數(shù)據(jù)的融合。

新科技助力保險行業(yè)的未來

當前，我們正從一個時代進入另一個時代，因此，面臨的不再是一種“周期性”的變化，而是“坐標系”的轉(zhuǎn)換，“今非昔比”和沒有“公約數(shù)”將成為重要特征。幾乎每一個行業(yè)需要回答的一個問題是：如何面對未來？保險行業(yè)也不例外。

首先是機器學習，這是一門研究計算機模擬或?qū)崿F(xiàn)人類的學習方法，深度學習、無監(jiān)督模型是機器學習中的一些方法和形式。著名的AlphaGo就是使用深度學習打敗人類思考的典型案例，其最大的優(yōu)點是，在博弈的過程中可以實現(xiàn)根據(jù)對手的情況不斷自我學習。在實際保險業(yè)務(wù)中，市場情況變化越來越快，尤其在反欺詐領(lǐng)域，道高一尺、魔高一丈，我們與欺詐分子會展開不斷的博弈，模型修正和調(diào)優(yōu)的周期非常短，通過機器學習的方式可以有效解決高頻業(yè)務(wù)的風險控制。除此之外，智能投顧、機器人客服也是可以用機器學習的方法，通過與客戶溝通交流的過程不斷學習、修正模型，達到靈活服務(wù)的目的。

其次是區(qū)塊鏈技術(shù)，在比特幣盛行的過程中引人關(guān)注。在以往的業(yè)務(wù)、交易系統(tǒng)的架構(gòu)中，往往采取的是數(shù)據(jù)集中的方式，但這樣會產(chǎn)生很多作弊、系統(tǒng)攻擊、信息泄露等問題，尤其是在黑客攻擊技術(shù)增強，數(shù)據(jù)變得越來越敏感的時代，信息、數(shù)據(jù)的傳輸和融合變得很艱難。而區(qū)塊鏈技術(shù)可以既做到數(shù)據(jù)共享，又避免因為數(shù)據(jù)集中造成的作弊、泄露等問題。比如在意外險反欺詐領(lǐng)域，會出現(xiàn)投保人在多平臺惡意投保的情況，通過區(qū)塊鏈技術(shù)可以實現(xiàn)多平臺投保查詢的功能，杜絕以往多平臺、高保額欺詐案件的發(fā)生。

目前，大數(shù)據(jù)以及人工智能行業(yè)幫助保險公司業(yè)務(wù)發(fā)展前景非常廣闊，抓住黃金機遇期成為保險公司實現(xiàn)突圍的關(guān)鍵。同時，挑戰(zhàn)與機遇并存，最大的挑戰(zhàn)就是如何打破數(shù)據(jù)孤島，這也是前面提到的行業(yè)融合及數(shù)據(jù)融合最關(guān)鍵的部分，也就是說如果大數(shù)據(jù)及人工智能能夠驅(qū)動我們保險公司的發(fā)展，一定要打破公司與公司之間數(shù)據(jù)的孤島，一定要打破保險行業(yè)跟其他行業(yè)之間的數(shù)據(jù)孤島，一定要整合保險行業(yè)的整個行業(yè)資源，加上大數(shù)據(jù)和人工智能創(chuàng)業(yè)公司的模型、算法以及技術(shù)資源，實現(xiàn)數(shù)據(jù)和能力的整合，打破數(shù)據(jù)孤島之后才能夠真正實施大數(shù)據(jù)及人工智能戰(zhàn)略，才能夠讓保險公司借助所有行業(yè)的融合，以及創(chuàng)業(yè)公司的人才、技術(shù)等各方面的優(yōu)勢，促進整個業(yè)務(wù)的發(fā)展。